evaluaci ´on del potencial de radiaci ´on solar global en el

R EVISTA B OLIVIANA DE FÍSICA 16, 13–21, 2010
ISSN 1562–3823. I NDEXADA EN : S CI ELO, L ATINDEX , P ERI ÓDICA
EVALUACIÓN DEL POTENCIAL DE RADIACIÓN SOLAR GLOBAL EN EL DEPARTAMENTO DE COCHABAMBA
UTILIZANDO MODELOS DE SISTEMAS DE INFORMACI ÓN GEOGRÁFICA E IMÁGENES SATELITALES
EVALUATION OF THE GLOBAL SOLAR RADIATION POTENTIAL IN THE DEPARTMENT OF COCHABAMBA
(BOLIVIA) USING MODELS OF GEOGRAPHIC INFORMATION SYSTEMS AND SATELLITE IMAGES
M ARCELO J. L UCANO † & I V ÁN E. F UENTES M. †
Departamento de Fı́sica
Universidad Mayor de San Simón
Cochabamba – Bolivia
RESUMEN
En este trabajo se estimaron los valores de la radiación solar global por medio de modelos de Sistemas de
Información Geográfica e imágenes satelitales obtenidos a través de la metodologı́a SSE de la NASA para
un periodo de registros de 22 años. Con estos valores de radiación, se obtuvo la distribución temporal y
espacial de la radiación solar para el Departamento de Cochabamba mediante un proceso de interpolación
que utiliza el paquete de análisis geoestadı́stico ILWIS, considerando datos de una rejilla conformada por
16 casillas que abarcan el departamento; se utilizó el método de superficie móvil con distancia inversa, exponente de peso 1, distancia esférica y segundo grado parabólico. Se observó que los niveles de radiación
más bajos corresponden a los meses de mayo a julio (invierno) y los niveles de radiación más altos corresponden a los meses de octubre a diciembre (primavera y verano). Asimismo, se observó que la parte noreste
de Cochabamba presenta los valores más bajos de media anual de radiación global, entre 4.2 − 4.5 kWh/m 2
al dı́a, ya que ésta es una zona de baja altitud sobre el nivel del mar y se caracteriza por su clima tropical
y alta humedad, generando una mayor dispersión de la radiación solar, en tanto que en la zona suroeste la
radiación solar aumenta, ya que en ésta se localiza la Cordillera Oriental Central con un clima seco cuyos
valores varı́an entre 5.76.3 kW h/m 2 al dı́a. También se distinguen siete regiones de niveles de radiación
que van aumentando de noreste a suroeste, tal como se observó en estudios anteriores. Los valores de radiación obtenidos mediante la interpolación fueron validados con datos medidos en superficie con un error
porcentual medio anual del 10 %.
Descriptores: radiación solar — tecnologı́a con base satelital
Código(s) PACS: 92.60.Vb, 07.87.+v
ABSTRACT
Using Geographic Information Systems and satellite imaging, this study estimates the global solar radiation values using models generated from data recorded over a period of 22 years and applying NASAs
SSE methodology. Using these radiation values and the geostatistical analysis software ILWIS the time and
space distribution of solar radiation for the Department of Cochabamba was obtained. The analysis involved
data from a grid made up of 16 squares that make up Cochabamba and used the method of moving surface
with inverse distance, weight exponent 1, spherical distance and parabolic second order. It is observed that
the lowest levels of radiation corresponded with the months May to July (winter) and the highest radiation
levels with the period October to December (summer). In addition, it was noted that the northeast region
of the Cochabamba showed the lowest annual radiation values (4.2 − 4.5 kW h/m 2 per day). This is due to
the fact that the region is closer to sea level and characterised by a tropical and humid climate which leads
to a greater dispersion of solar radiation. In the southwest region of Cochabamba which forms part of the
Central Eastern Mountain Range and has a dry climate, the solar radiation is higher (5.7 − 6.3 kW h/m 2
per day). The study identifies seven regions of radiation levels with increasing radiation from northeast
to southwest which agree with previous studies. The radiation values obtained through interpolation were
validated with surface measurements with an average anual error of 10%.
Subject headings: solar radiation — satellite related technology
† Email:
cclimaticos@fcyt.umss.edu.bo.
14
M ARCELO J. L UCANO & I V ÁN E. F UENTES M.
1. INTRODUCCIÓN
A medida que la demanda de energı́a renovable crece, ası́
lo hace la necesidad de fuentes de datos más precisos de estas
energı́as. Sin embargo, en Bolivia, ası́ como en muchos otros
paı́ses, relativamente pocas estaciones meteorológicas colectan datos de radiación solar requeridas para conocer el potencial y el desempeño de sistemas de energı́a solar y en particular de sistemas fotovoltaicos. Asimismo, las tecnologı́as de
energı́a renovable están siendo usadas alrededor del mundo
para suplir el uso de energı́a eléctrica y para desempeñar
trabajo mecánico tal como: bombeo de agua, suministro de
combustible para transporte, provisión de requerimientos de
calentamiento y enfriamiento para el diseño de edificios, etc.
Las fuentes de energı́a renovable, particularmente para tecnologı́as solares, son fuertemente dependientes de las condiciones y fenómenos climatológicos y están también afectadas por procesos microclimáticos. Debido a la ausencia de
una red meteorológica de monitoreo densa y extensa, se deben utilizar modelos numéricos, conocimiento empı́rico de
las caracterı́sticas microclimáticas y observaciones indirectas derivadas del análisis y observaciones de datos provenientes de sensores remotos localizados en satélites para desarrollar un conocimiento de las caracterı́sticas geoespaciales ası́
como de la extensión de estos recursos.
Ya que una red de estaciones para caracterizar el régimen
de radiación solar en todo el paı́s resultarı́a muy costosa, se
han utilizado métodos indirectos para estimarla, tales como
mediciones de insolación o nubosidad; pero aún la red de
estaciones heliográficas y meteorológicas tiene grandes zonas con una cobertura deficiente, particularmente en regiones donde la radiación solar tiene un régimen muy diferenciado, como las regiones montañosas y los llanos. Desde la
aparición de los satélites meteorológicos se abrió una nueva
perspectiva para estimar parámetros de radiación y se han
realizado estudios encaminados a ello. En los últimos 30
años la literatura especializada reporta diversos métodos de
cálculo de la radiación solar, con distintos grados de complejidad.
En este trabajo, con base en la implementación de técnicas
de interpolación, se estiman los niveles de radiación solar
en el Departamento de Cochabamba a partir de datos de
irradiación solar obtenidos de imágenes satelitales procesadas con la metodologı́a SSE (Surface Meteorology and Solar
Energy) de la NASA.
2. REVISIÓN BIBLIOGRÁFICA
2.1. Estimación de la radiaci ón solar a partir de
imágenes satelitales
Desde que se hicieron disponibles las imágenes de satélite
de alta resolución en formato digital, comenzaron a aparecer
estudios sobre la estimación de la radiación solar a partir de
éstas. La gran ventaja de los métodos de estimación de radiación basados en imágenes satelitales es precisamente su
resolución espacial. Con ellas es posible generar mapas de
radiación solar con una resolución muy detallada (de 2 a 10
km2 ) sobre regiones especı́ficas. Esto los convierte en una
fuente de información muy adecuada, por ejemplo, para ser
integrada en Sistemas de Información Geográfica (SIG).
El trabajo de Gautier et al. (1980) da una pauta de la metodologı́a general seguida hasta la actualidad. En el trabajo
mencionado se incorpora un modelo de cálculo de cierta
complejidad, que requiere información del contenido de agua
precipitable y al mismo tiempo incorpora el efecto de la nubosidad aplicando una relación lineal simple entre la brillantez de la nube en la imagen de satélite y su factor de absorción. El método se aplica a imágenes de alta resolución
(1 − 2 km/pixel) y puede calcular la distribución de la radiación sobre grandes áreas.
Mosser & Raschke (1984) utilizan las imágenes del METEOSAT, cuyas caracterı́sticas son algo diferentes de las del
GOES y aplican una normalización de los valores de pı́xel
llevándolos de su valor original al intervalo definido por los
valores máximo y mı́nimo observados para cada pı́xel de la
imagen en dependencia de la hora y la época del año. A partir de mediciones terrestres se calcula una relación entre los
valores de pı́xel normalizados y el cociente entre la radiación
incidente y la radiación máxima (ante cielo despejado), esta
relación depende además del ángulo cenital del sol y también
presenta un estudio acerca del efecto que tiene el número de
imágenes empleadas a lo largo del dı́a sobre la exactitud de
las sumas diarias calculadas.
Según Rigollier et al. (2002) en la serie de métodos publicados en los años 90 como HELIOSAT, se aplica un modelo normalizado tanto para los valores de pı́xel ante cielo
despejado como para los de zonas nubladas. Se aplica una
relación lineal al ı́ndice normalizado de los valores para las
zonas nubladas, para obtener el ı́ndice de transparencia de
la nubosidad. De esta manera se calcula la radiación tanto
para las áreas de cielo despejado como para cielo nublado.
Este método fue inicialmente publicado como HELIOSAT
1. En la segunda versión, HELIOSAT 2 se toma en cuenta el
estado óptico de la atmósfera y se introduce un método de
calibración de imágenes que permitirı́a trabajar con distintos
sensores.
Pérez et al. (2002a) presentan un método de cálculo que estima los valores de radiación ante cielo despejado mediante
el uso de un modelo simplificado y a continuación determinan un ı́ndice de nubosidad tomado a partir de las imágenes
visibles, mediante el cual se modifican los valores calculados para obtener los valores definitivos de radiación. El modelo GL 1.0 del Centro de Prevención del Tiempo y Estudios Climáticos y del INPE en Brasil parte de una ecuación
simplificada de transferencia radiactiva en las zonas de entre
400 − 700 nm y 700 − 4000 nm. Se toma como hipótesis que
en este rango espectral casi no hay absorción en la atmósfera,
por lo tanto el término de absorción por aerosoles se puede
despreciar, de manera que la radiación se puede obtener conociendo el valor de la radiación extraterrestre. Hoyos et al.
(2000) utilizan un método que emplea el mismo modelo de
transferencia (GL 1.0) del INPE, las diferencias fundamentales consisten en una implementación acabada que facilita
su utilización para puntos seleccionados de la imagen. Es-
POTENCIAL DE RADIACIÓN SOLAR
(a)
15
(b)
F IG . 1.— (a) Distribución geográfica de la radiación de onda corta (SW) en un periodo de 8 años para el mes de julio (W /m2 ). (b) Distribución geográfica
de la radiación de onda larga (LW) en un periodo de 8 años para el mes de julio (W /m2 ) (color online; Darnell et al. —).
F IG . 2.— Comparación de los valores de radiación del archivo GEBA y
los valores obtenidos del análisis de imágenes satelitales (Darnell et al. —).
tos dos métodos no contemplan el efecto de la nubosidad ni
permiten el cálculo para áreas grandes.
Como cualquier estimación a partir de modelos, aquellas
basadas en datos de satélite tienen una exactitud limitada.
Convencionalmente se considera un error cuadrático medio
entre 15 y 20 % para estas estimaciones, cuando se las compara con mediciones llevadas a cabo por estaciones localizadas en sitios especı́ficos (ver por ejemplo, Beyer et al. 1996).
Hay estudios que ubican este error en un valor menor. Por
ejemplo, Zelenka et al. (1999) llevaron a cabo un estudio
en el que llegan a la conclusión de que el error real de los
métodos para obtener irradiancias a partir de datos de satélite
es de alrededor del 12%. El resto del error es atribuido por los
autores al hecho de que a través de las imágenes satélites se
estiman promedios sobre grandes áreas de varios kilómetros
cuadrados. Cuando se compara estos valores con mediciones en estaciones especı́ficas, de manera natural ocurre un
error cuadrático medio de alrededor del 15%, ya que los valores medidos por una estación no proveen un promedio de
la región sino una medición en un punto con un clima especı́fico.
A pesar de las ventajas que presenta la estimación de la
irradiancia solar a partir de información satelital, no se debe
menospreciar la importancia de una red terrestre que provea información de un número grande de puntos de monitoreo bien distribuidos sobre un territorio dado. Para que los
métodos satelitales den resultados más precisos, es necesario
calibrarlos (sintonizarlos) con datos de superficie, lo cual requiere de una buena cobertura de una red terrestre constituida
por estaciones situadas estratégicamente.
En Bolivia no se tiene referencia sobre algún trabajo que
utilice la metodologı́a de las imágenes satelitales para estimar los niveles de radiación solar, sin embargo, se han realizado varios estudios de la distribución de la radiación solar, basados fundamentalmente en la dependencia de ésta
con otras variables que se miden en un número grande de
estaciones, como el numero de horas con brillo solar, aplicando fórmulas empı́ricas de tipo Ångström (Birhuett 1993;
PROPER-Bolivia et al. 1998).
2.2. Estimación de la radiaci ón solar a partir de im ágenes
satelitales aplicando la metodologı́a SSE de la NASA
El proyecto ESE (Earth Science Enterprise) de la NASA ha
proporcionado un sistema de satélites de investigación para
proveer datos importantes para el estudio del clima y procesos climáticos. Estos datos incluyen estimaciones en un periodo largo de tiempo de cantidades meteorológicas y energı́a
solar en la superficie de la tierra. La base de datos basados
en imágenes satelitales ha mostrado ser lo suficientemente
precisa para proporcionar datos de radiación solar confiables
en regiones en las cuales las mediciones en superficies son
muy dispersas o no existen (Whitlock et al. 2001; Pérez et al.
2002b).
Como resultado del proyecto ESE surge el banco de datos de radiación SSE de la NASA (NASA-LARC —) que
reúne un conjunto de datos que engloban parámetros meteorológicos usados para diseñar sistemas de energı́as renovables. No está diseñado como un substituto a las mediciones
en superficie, sino como un estimado de datos de radiación
para lugares en los que no existen redes de monitoreo densas
(ej. áreas rurales). Debido a la resolución de las imágenes
16
M ARCELO J. L UCANO & I V ÁN E. F UENTES M.
(a)
(b)
F IG . 3.— Comparación entre los valores de radiación medidos en superficie y valores estimados a partir de imágenes satelitales para la estación de Payerne,
Suiza: (a) onda corta SW y (b) onda larga. (color online; Darnell et al. —).
(a)
(b)
F IG . 4.— (a) Distribución geográfica de los puntos en el centro de las grillas en el Departamento de Cochabamba. (b) Radiación media anual asignada a
los puntos de referencia en unidades de kW h/m2 al dı́a.
satelitales da un promedio de las condiciones de la región
cubierta con una resolución de 1 ◦ × 1◦ en latitud y longitud
y el periodo de análisis del banco de datos es de julio de 1983
hasta noviembre de 2008 (22 años) con las imágenes obtenidas de alrededor de 200 satélites. Estos valores estimados son
suficientemente precisos para realizar estudios preliminares.
El sitio Web de la NASA habilita al usuario para la descarga de datos de radiación solar mensual y anual para cualquier localización en la Tierra. El banco de datos de la NASA
se ha convertido en un paradigma para la fuente de información de radiación solar, debido a la alta calidad del modelamiento utilizado para generar el banco de datos, al hecho
de que la metodologı́a SSE es validada con numerosas estaciones en superficie y al hecho de que abarca una escala global y cubre un extenso periodo de tiempo. Sin embargo, el
banco de datos es aún limitado por una perdida de resolución
y no validación en áreas donde no existen datos en superficie. Los procedimientos utilizados para generar el banco de
datos SSE también encuentran problemas en áreas en las que
se tienen interfaces oceánicas y áreas cubiertas con nieve.
Los valores estimados de radiación solar son resultado
del análisis de un periodo de 46 meses de la radiación de
onda corta (SW) y onda larga (LW) procesados a través
del algoritmo de Pinker-Laszlo (Pinker & Laszlo 1992; Pin-
ker et al. 1995; Darnell et al. —) dentro del programa
NASA/GEWEX/SRB. Las variables de entrada son las irradiancias, la cantidad de nubes provenientes del programa
ISCCP (International Satellite and Cloud Climatology Programme), el vapor de agua del programa GEOS-1 (Goddard
Earth Observation Systems) con datos en intervalos de 3 horas y datos de ozono obtenidos del sensor TOMS. Los valores
de aerosoles y profundidad óptica de las nubes son utilizados
como parámetros de afinamiento en los casos de cielo con y
sin nubes. El error cuadrático medio (RMS) estimado para
valores mensuales es de alrededor del 16% con una incertidumbre del 1% comparado a los datos obtenidos con mediciones en superficie según el Centro Mundial de Datos de
Radiación (WRDC).
Las Figuras 1a y 1b muestran la distribución geográfica de
la radiación promedio de onda corta y onda larga, respectivamente, en un periodo de 8 años para el mes de julio. La distribución de la radiación SW es primordialmente zonal, modulada por la distribución de las nubes. Los valores máximos
se encuentran en el Ártico, Groenlandia y las regiones subtropicales del Hemisferio Norte. Los valores máximos de
la radiación LW se localizan sobre amplias regiones en los
trópicos con un decrecimiento gradual hacia los polos. Los
valores más altos ocurren sobre áreas que exhiben tempera-
POTENCIAL DE RADIACIÓN SOLAR
17
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
F IG . 5.— Distribución mensual de la radiación solar global en el Departamento de Cochabamba (color online).
turas superficiales elevadas tal como los desiertos subtropicales y áreas con abundancia de nubes y vapor de agua.
La Fig. 2 muestra un diagrama de dispersión de los datos
de radiación mensuales del Archivo del Balance de Energı́a
Global (GEBA) del Instituto Federal de Tecnologı́a de Suiza
y los correspondientes valores de radiación estimados a partir
del análisis de imágenes satelitales. Se observa que gran parte
de los puntos muestran una correlación lineal, en cuanto que
los puntos fuera del grupo pertenecen a regiones con alta densidad de agua o con hielo superficial.
Las Figs. 3a y 3b muestra una comparación entre los valores de radiación SW y LW respectivamente de medidas en
superficie y los valores estimados a partir de imágenes satelitales para la estación ubicada en Payerne, Suiza.
3. METODOLOGÍA
Debido a la resolución de las imágenes satelitales, se obtiene un valor promedio de radiación para un área comprendida entre 1 ◦ de latitud y 1◦ de longitud. El Departamento
de Cochabamba se encuentra entre los 64 ◦ – 68◦ de longitud
oeste y 15◦ – 19◦ de latitud sur abarcando un total de 16 grillas, por lo que el valor de radiación promedio corresponde al
centro de la grilla considerada. Con este criterio, se asignaron para el centro de las 16 grillas el valor correspondiente de
radiación solar de la base de datos SSE, estos datos tabulados
se muestran en la Tabla 1.
Con base a la Tabla 1, se obtuvo la distribución geográfica
de los puntos centrales de las grillas en la región de estudio
(Fig. 4).
18
M ARCELO J. L UCANO & I V ÁN E. F UENTES M.
TABLA 1
D ATOS DE RADIACIÓN SOLAR MENSUAL Y ANUAL OBTENIDOS A PARTIR DE IMÁGENES SATELITALES PARA EL
D EPARTAMENTO DE C OCHABAMBA EN kW h/m2 al dı́a.
No
Pnt 1
Pnt 2
Pnt 3
Pnt 4
Pnt 5
Pnt 6
Pnt 7
Pnt 8
Pnt 9
Pnt 10
Pnt 11
Pnt 12
Pnt 13
Pnt 14
Pnt 15
Pnt 16
Latitud Sur (◦ )
15.5
15.5
15.5
15.5
16.5
16.5
16.5
16.5
17.5
17.5
17.5
17.5
18.5
18.5
18.5
18.5
Longitud Oeste(◦ )
64.5
65.5
66.5
67.5
64.5
65.5
66.5
67.5
64.5
65.5
66.5
67.5
64.5
65.5
66.5
67.5
Ene
5.03
4.95
4.75
4.68
4.88
4.55
4.93
5.31
4.84
5.34
5.87
6.31
5.92
5.87
6.52
6.49
Feb
4.99
4.84
4.7
4.76
4.9
4.57
4.96
5.47
4.83
5.39
5.99
6.42
5.92
6.04
6.59
6.61
Mar
4.84
4.78
4.58
4.57
4.69
4.38
4.83
5.3
4.74
5.38
5.76
6.06
5.65
5.73
6.19
6.09
Abr
4.71
4.58
4.37
4.36
4.37
4.09
4.51
5.01
4.43
5.22
5.44
5.8
5.47
5.64
5.75
5.77
May
4.05
3.91
3.79
4.07
3.71
3.73
4.38
4.95
4.15
5.05
5.25
5.56
5.2
5.41
5.38
5.44
Jun
3.96
3.77
3.56
3.92
3.54
3.61
4.18
4.65
3.97
4.75
4.93
5.24
4.94
5.03
4.95
5.09
Jul
4.44
4.19
3.84
3.95
3.98
3.81
4.2
4.71
3.98
4.82
5.08
5.41
5.09
5.3
5.16
5.27
Ago
4.79
4.78
4.51
4.41
4.51
4.3
4.55
5.01
4.45
5.15
5.41
5.82
5.6
5.73
5.6
5.77
Sep
5.25
5.24
4.95
4.69
5.03
4.63
4.83
5.55
4.88
5.64
5.92
6.47
6.21
6.3
6.35
6.57
Oct
5.52
5.55
5.25
5.07
5.31
4.84
5.2
5.78
5.16
5.93
6.41
6.93
6.45
6.6
6.96
7.13
Nov
5.54
5.47
5.22
5.05
5.37
4.92
5.4
6.04
5.33
6.16
6.67
7.16
6.64
6.8
7.31
7.45
Dic
5.15
5.08
4.98
4.93
4.95
4.67
5.27
5.78
5.07
5.77
6.38
6.89
6.33
6.39
7.04
7.11
Media Anual
4.86
4.76
4.54
4.54
4.60
4.34
4.77
5.30
4.65
5.38
5.76
6.17
5.79
5.90
6.15
6.23
F IG . 7.— Área de estudio dividida en ocho subáreas.
F IG . 6.— Distribución anual de la radiación solar global en el Departamento de Cochabamba (color online).
4. RESULTADOS
Con respecto al método de interpolación empleado para
obtener los valores estimados de los niveles de radiación en
el Departamento de Cochabamba se usó una metodologı́a implementada en un estudio preliminar sobre los métodos de
interpolación más eficaces para determinar los niveles de radiación solar (Mubiru et al. 2007; Lucano & Fuentes 2008)
y se concluyó que el método: superficie móvil distancia inversa con exponente de peso 1, distancia esférica y segundo
grado parabólico es el método más adecuado para interpolar
datos satelitales. Una vez establecido el método más apropiado éste se utilizó para interpolar los valores de radiación
solar global promedio mensuales para cada uno de los meses
del año y el promedio anual.
La Fig. 5 muestra la distribución de radiación solar global
en Cochabamba para los doce meses del año.
Se observa de la Fig. 5 que los niveles de radiación más bajos corresponden a los meses de mayo, junio y julio, que pertenecen a la estación de invierno, y los niveles de radiación
más altos corresponden a los meses de octubre, noviembre y
diciembre, que corresponden a las estaciones de primavera y
verano.
La Fig. 6 muestra la distribución de radiación solar global
anual para el Departamento de Cochabamba.
Se observa de la Fig. 6 que la parte noreste del Departa-
POTENCIAL DE RADIACIÓN SOLAR
19
F IG . 8.— Comparación de los valores simulados (metodologı́a SSE) y medidos experimentalmente de intensidad de radiación solar global para el Departamento de Cochabamba.
F IG . 9.— Comparación de datos de radiación solar interpolados (mapa) y medidos en superficie para la estación de monitoreo en la UMSS.
mento de Cochabamba presenta los valores más bajos de media anual de radiación global, entre 4, 2 y 4, 5 kW h/m 2 al dı́a,
debido a que ésta región es una zona de baja altitud sobre el
nivel del mar y se caracteriza por su clima tropical y alta humedad generando una mayor dispersión de la radiación solar.
En la zona suroeste la radiación solar aumenta ya que en esta
región se localiza la Cordillera Oriental Central con un clima
seco con valores entre 5, 7 y 6, 3 kW h/m 2 al dı́a. Asimismo,
se distinguen seis regiones de niveles de radiación que van
aumentando de noreste a suroeste, tendencia igualmente ob-
servada en el estudio realizado por Birhuett (1993) para la
obtención de los mapas de radiación solar para Bolivia.
4.1. Validación de los valores de radiaci ón interpolados
Para la validación de los datos interpolados se realizó un
estudio comparativo y de validación entre los valores de radiación medidos experimentalmente y aquellos estimados
por la NASA para el Departamento de Cochabamba (para
el área entre 64 ◦ – 67◦ de longitud y 16 ◦ – 19◦ de latitud)
empleando un programa elaborado en MATLAB. La Fig. 7
20
M ARCELO J. L UCANO & I V ÁN E. F UENTES M.
TABLA 2
C OMPARACI ÓN ENTRE LOS VALORES DE RADIACIÓN GLOBAL INTERPOLADOS ( MAPA ) Y MEDIDOS EN SUPERFICIE
PARA EL MISMO PUNTO DE VALIDACIÓN (W h/m2 al dı́a).
MES
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Estación UMSS
Experimental
6163
5854
5764
5792
5382
4759
5331
5981
6834
6636
7040
6127
Estación UMSS
Mapa Satelital
5580
5670
5510
5230
5040
4750
4870
5210
5670
6090
6330
6030
Aiquile
SENAMHI
—
—
6257
5650
5293
4880
5201
—
—
—
—
—
Aiquile
Mapa Satelital
5600
5700
5500
5340
5120
4800
4960
5380
5910
6200
6410
6040
Independencia
SENAMHI
—
—
5820
4146
4290
4345
4462
—
—
—
—
—
Independencia
Mapa Satelital
5800
5920
5680
5370
5210
4900
5020
5360
5870
6320
6570
6310
Error Medio Anual (%)
—
7.64
—
5.42
—
15.73
muestra la división del área de estudio (Departamento de Cochabamba) en ocho subáreas en las que se compararon los
datos.
Los datos experimentales fueron proporcionados por la red
SENAMHI y la Fig. 8 muestra la comparación de estos con
los datos simulados a través de las imágenes satelitales para
un periodo de un año.
Se observa que la variación temporal de los valores de
radiación tanto simulados como experimentales siguen el
mismo comportamiento, hecho que fue observado en la estación de Suiza (Fig. 3) en un trabajo similar (Darnell et al.
—), excepto en los meses de enero a marzo, esto debido a
que la cantidad de nubes presentes en esos meses afecta el
análisis de las imágenes adquiridas.
Además de la validación en las ocho sub-áreas, los valores de radiación solar global de los mapas obtenidos por el
método de interpolación se contrastaron con datos medidos
en superficie en un periodo de un año en dos estaciones remotas de la red SENAMHI: Aiquile (Latitud: 18.1833S, longitud: 65.1833W) e Independencia (Latitud: 17.3117S, longitud: 66.8481W); asimismo, se compararon los valores simulados con los obtenidos con un Piranómetro Kipp & Zonen
Clase 2 instalado en el Departamento de Fı́sica de la Facultad de Ciencias y Tecnologı́a (latitud: 17.3928S, longitud:
66.1351W) en el mismo periodo de un año (marzo 2008 –
marzo 2009). La comparación entre los datos interpolados y
experimentales para el mismo punto de validación y el correspondiente error se muestran en la Tabla 2.
La Fig. 9 muestra la variación anual de los datos de radiación mensual correspondientes al punto de monitoreo de
la UMSS.
Se observa que los valores medidos en superficie son mayores que aquellos obtenidos en el mapa solar en el caso de
las estaciones de la UMSS y Aiquile en cuanto que lo contrario sucede en el caso de la estación de Independencia. El
error medio anual porcentual de todas las estaciones de monitoreo es de 10%.
5. CONCLUSIONES
En el presente trabajo, se han utilizado los datos de radiación solar de la NASA obtenidos utilizando la metodologı́a SSE (NASA-LARC —) para estimar los valores de radiación solar global mensual y anual para el Departamento de
Cochabamba. Se utilizaron los datos obtenidos a partir del
análisis de imágenes satelitales para estimar la distribución
de la radiación solar global, asimismo se realizó un proceso
de validación con datos medidos de tres estaciones en superficie (UMSS, Aiquile e Independencia) obteniéndose un
error medio porcentual de 10%.
De acuerdo a los resultados obtenidos, se observa en la
Fig. 6 siete regiones con marcada diferencia de niveles de
radiación solar anual: la región con mayor cantidad de radiación corresponde a la zona de la Cordillera Oriental en la
que los valores de radiación oscilan entre 5, 4 − 7, 2 kWh/m 2
al dı́a, la zona del trópico central con valores entre 4, 2 −
4, 5 kW h/m2 al dı́a y la zona restante del trópico con niveles
de radiación entre 4, 5 − 5, 4 kWh/m 2 al dı́a.
El periodo de registros analizados es de 22 años (Tabla 1).
La variación mensual y espacial de los niveles de radiación
se obtuvo utilizando el paquete de análisis geoestadı́stico ILWIS y aplicando el método de superficie móvil con distancia
inversa, exponente de peso 1, distancia esférica y segundo
grado parabólico. La aplicación del método de interpolación
y los valores estimados muestran que en la estación de invierno (mayo – julio) se registra la menor cantidad de radiación solar, mientras que en las estaciones de primavera y
verano (octubre – diciembre) se registra la mayor cantidad de
radiación solar.
Por otro lado, las diferencias que eventualmente pueden
ser encontradas entre los valores estimados y medidos en
superficie pueden ser debidas al hecho de que los valores
medidos en superficie corresponden a la localización del
punto de monitoreo con caracterı́sticas geográficas y climatológicas particulares, en cuanto que los datos obtenidos por
los satélites abarcan extensiones entre 1 ◦ × 1◦ , que represen-
POTENCIAL DE RADIACIÓN SOLAR
tan una media de condiciones climáticas diferentes.
El método de cálculo de la radiación solar global a partir de imágenes satelitales desarrollado ha obtenido resultados comparables a otros revisados en la bibliografı́a (Myers
2003; Lefevre & Diabaté 2007). Es recomendable que en
lo sucesivo los valores estimados por métodos indirectos
se comparen con datos registrados en un mayor número
de estaciones meteorológicas para asegurar una cobertura
geográfica suficiente del departamento.
Asimismo, es importante incorporar las bases de datos de
radiación ya sea medidas en superficie u obtenidas a través de
métodos indirectos a los Sistemas de Información Geográfica
(SIG), que ofrezcan a aquellos que requieren de estos datos
21
las herramientas diversas relacionadas con el recurso solar.
Esto para la evaluación de los niveles de radiación solar para
cualquier localización geográfica del paı́s, a partir de modelos bien calibrados respecto a estos datos.
También se deben incluir herramientas que permitan estimar el rendimiento de diferentes dispositivos y/o sistemas que utilizan el recurso solar. Este tipo de herramientas ya se han desarrollado en otros paı́ses (http://xn–
energiasolarespaa-uxb.net) y constituyen un factor decisivo
para el impulso a las energı́as renovables. En particular, estas herramientas permiten la evaluación con un grado mucho
mayor de certidumbre de la viabilidad económica de proyectos de energı́a solar, facilitando el proceso de su financiación.
REFERENCIAS
Beyer, H. G., Costanzo, C., & Heinemann, D. 1996, Solar Energy, 56, 207
Birhuett, E. 1993, Revista E&D No. 3 PROPER Cochabamba, Bolivia
Darnell, W. L. et al. —, Surface Radiation Budget: A Long-term Global
Dataset of Shortwave and Longwave Fluxes
http://www.agu.org/eos elec/95206e.html
Gautier, C., Diak, G., & Masse, S. 1980, Journal of Applied Meteorology,
19 No. 8, 1005
Hoyos, D., Cadena, C., & Suárez, H. 2000, Revista Averma, 4 No. 8,
http://g.unsa.edu.ar/asades/actas2000/08-23.html
http://www.asrc.cestm.albany.edu/perez/strength.html
Lefevre, M. & Diabaté, W. L. 2007, Solar Energy, 81, 240
Lucano, M. J. & Fuentes, I. E. 2008, Revista Cientı́fica Facultad de Ciencias
y Tecnologı́a, 8
Mosser, W. & Raschke, E. 1984, Journal of Climate and Applied Meteorology, 23, 166
Mubiru, J. et al. 2007, Theor. Appl. Climatol., 88, 259
Myers, D. R. 2003, Solar Radiation Modeling and Measurements for Renewable Energy Applications: Data and Model Quality (International Expert
Conference on Mathematical Modeling of Solar Radiation and Daylight
Edinburgh, Scotland, September 15–16 )
NASA-LARC. —, http://eosweb.larc.nasa.gov/sse
Pérez, R., Incichen, P., Moore, K., Kmiecik, M., Chain, C., George, R., &
Vignola, F. 2002a, Solar Energy, 73, No. 5, 307
Pérez, R., Moore, K., Kmiecik, M., Chain, C., Ineichen, P., George, R., &
Vignola, F. 2002b, Proc. SOLAR 2002, Sunrise on the Reliable Energy
Economy, Amer. Solar Energy Soc.
Pinker, R. T. & Laszlo, I. 1992, J. Appl. Meteorol., 31, 194
Pinker, R. T., Laszlo, I., Whitlock, C. H., & Charlock, T. P. 1995, Eos, 76,
145
PROPER-Bolivia et al. 1998, Mapa de distribución de la Energı́a Solar en
Bolivia, Vice-Ministerio de Energı́a e Hidrocarburos. Programa para la
Difusión de Energı́as Renovables PROPER Bolivia – GTZ – ESMAP –
Banco Mundial
Rigollier, C., Lefèvre, M., Cros, S., & Wald, L. 2002, Heliosat 2: An improved method for the mapping of the solar radiation from METEOSAT
imagery (Proceedings of the 2002 EUMETSAT Meteorological Satellite
Conference. http://www.eumetsat.de/en/index.html)
Whitlock, C. H., Brown, D. E., Chandler, W. S., DiPasquale, R. C., Gupta,
S. K., Wilber, A. C., Ritchey, N. A., Kratz, D. P., & Stackhouse, P. W.
2001, J. of Solar Energy Engineering, Amer. Soc. Mech. Engr., 23, 211
Zelenka, A., Perez, R., Seals, R., & Renné, D. 1999, Theoretical and Applied
Climatology, 62, 199